OpenAI introduit le filigrane textGrain pour les sorties de ChatGPT dans l'UE afin de respecter les règles de l'AI Act

Déploiement de textGrain dans l'Union européenne

OpenAI a annoncé le 5 octobre 2026 qu'elle commencera à intégrer des filigranes invisibles dans les textes et les codes générés par ChatGPT et Codex dans l'ensemble de l'Union européenne. Cette technique propriétaire, baptisée textGrain, introduit un léger motif statistique dans le processus de sélection du mot suivant lors de la génération de texte. Ces marqueurs résidant dans le vocabulaire choisi plutôt que dans des métadonnées externes, le filigrane reste intact lorsqu'un utilisateur copie-colle le résultat dans d'autres applications. Le déploiement couvrira tous les niveaux d'abonnement des utilisateurs éligibles de l'UE au cours des prochaines semaines, tout en restant désactivé par défaut à l'échelle mondiale. Les développeurs qui accèdent aux interfaces de programmation d'OpenAI hors d'Europe pourront activer manuellement le filigrane sur certains modèles à partir du 5 octobre 2026. Les tests de référence internes cités par l'entreprise n'ont montré aucune baisse mesurable de la qualité des sorties, du style linguistique ou de la vitesse de génération du modèle.

Conformité avec l'article 50 du règlement européen sur l'IA

Cette mise en œuvre aligne OpenAI sur l'article 50 du règlement européen sur l'intelligence artificielle, qui impose aux systèmes d'IA générative de marquer les sorties artificielles dans un format lisible par machine. Les obligations de transparence prévues par ce texte sont entrées en vigueur le 2 août 2026 pour les nouvelles offres d'intelligence artificielle, tandis que les fournisseurs déjà établis disposent jusqu'au 2 décembre 2026 pour mettre en place des mécanismes d'identification conformes. Cette échéance s'applique à l'ensemble des acteurs du secteur, dont OpenAI, Anthropic, Microsoft, Google et Meta. Anthropic a commencé à appliquer des filigranes aux sorties de Claude à l'échelle mondiale en août 2026, en utilisant la technologie SynthID de Google DeepMind. OpenAI a développé son mécanisme textGrain en partenariat avec des chercheurs universitaires de Yale et de l'université de Pennsylvanie, en s'appuyant sur une clé cryptographique pour organiser les jetons candidats lors de la complétion de phrases.

En réponse aux exigences réglementaires européennes, nous élargissons notre approche de la provenance des contenus pour y inclure le texte.

Seuils de détection et limites techniques

Le logiciel de détection textGrain identifie l'origine artificielle en agrégeant des centaines d'ajustements subtils de vocabulaire avec la clé privée. La détection atteint une fiabilité pratique sur des passages d'au moins 400 jetons, soit environ 200 à 300 mots. Bien qu'il égale ou dépasse les références de SynthID en environnement contrôlé, l'entreprise note que l'efficacité en conditions réelles diminue dans certaines situations. Les réponses plus courtes affichent un taux de détection moyen d'environ 80 %, tandis que les calculs mathématiques, les traductions et les textes fortement restructurés posent des difficultés de détection. La modification manuelle du texte réduit nettement la précision du système : remplacer 10 % des mots par des synonymes fait chuter le taux de détection de 92 % à 66 %, et en remplacer 25 % le ramène à 17 %.

Accès à la vérification et confidentialité des données

OpenAI limite l'accès initial à son logiciel de détection à des groupes de recherche agréés et à des organisations expertes, plutôt que de publier un détecteur ouvert au grand public. L'entreprise précise que la présence d'un filigrane ne mesure pas l'apport créatif humain, pas plus que son absence ne vérifie la paternité humaine. Le système n'enregistre ni l'identité individuelle des utilisateurs, ni les détails de compte, ni les invites, ni l'historique des conversations pendant le processus de filigrane. OpenAI a également indiqué son intention de publier textGrain en logiciel open source afin de faciliter l'évaluation indépendante et l'adaptation dans l'ensemble du secteur technologique.

De bonnes performances dans des conditions idéales ne garantissent pas une détection fiable dans un usage quotidien.